史浩东， 卢 虎， 卞志昂

(空军工程大学信息与导航学院， 西安， 710077)

目前，大多数无人机感知识别技术的研究都是在视觉探测的基础上进行的：文献[1]通过搭建视觉传感网建立了无人机的图像识别中心；文献[2]在无人机与非无人机的图像样本集的基础上，通过改进LeNet-5隐含层结构来提高无人机的目标识别率；文献[3]通过建立多尺度、多角度、多背景条件下的无人机目标图像数据库，进行了低空弱小无人机目标的检测研究；文献[4]在视觉检测的基础上加入了目标跟踪的设计，有助于对无人机的锁定与跟踪。

但是，视觉探测对于较远距离的情况难以处理，并且容易受到附近高大建筑物的遮挡，另外，在雾霾等天气因素影响下，能见度低也会导致视觉探测难以取得良好的效果。

射频探测技术的探测距离较远，并且可以将捕获到的相应的无人机信号进行分类处理，有助于对其做针对性的部署工作，同时也为之后的反制和欺骗技术打下良好的基础。这些优点决定了射频探测技术将成为反无人机技术和无人机探测技术的主要发展趋势。文献[5]针对无人机射频检测技术进行了初步研究，通过窃听无人机与其控制器之间的通信来检测无人机，初步实验验证了其可行性。

Timothy J O’Shea于2016年利用卷积神经网络[6]对11种通信信号进行了识别分类，该方法本质上是通过神经网络学习信号特征的算法。

在此基础上本文基于卷积神经网络设计并实现了一种无人机信号的感知识别分类算法，不仅可以起到预警的作用，还可以对其相应的无人机型号和飞行模式进行分类，便于对黑飞无人机进行针对性的部署工作,进而通过人工智能技术解决无人机的黑飞和管控问题。……